郵件內容分析

   鬱悶了一個多星期的問題終於有眉目了。
    問題本身其實不是很難，要從outlook和outlook express郵箱裡面將所有的郵件提取出來，並且能夠得到主題，寄件者，收件者，本文，附件等內容。
    郵件用戶端會把伺服器端的郵件下載下來，並儲存到本地的某個目錄中，outlook是儲存成pst格式的，outlook express是儲存成dbx格式的，這兩種格式都是一個檔案存放n個郵件的方式。
    首先能想到的方法就是直接去解析這些格式，我很順利的從網上下載到了格式解析的原始碼，可以將pst格式轉化為msg格式，可以將dbx檔案解析成eml檔案，後面的兩種檔案格式都是存放一個郵件的，並且可以用相應的郵件可戶端開啟。
    現在只要解析這2種格式就可以了，眼看順利就在眼前，誰知道這時候問題出來了，msg格式還好，是用unicode編碼的，以明文形式儲存。而eml是採用mime標準的，英文一般是用base64編碼格式的，這個從網上順利找到原始碼解開。但是中文的時候就麻煩了，一般預設的編碼是採用gb2312字元集，quoted-printable編碼格式。由於中文郵件中一般都有英文字母，所以裡面一般是採用base64和quoted-printable混編的模式，而檔案是用超文字格式設定存放的，如果自己解析的話估計要花不少時間，而且考慮到有可能採用繁體和unicode字元集，不同的編碼格式，估計是個漫長的過程。
    把直接解析編碼放在一邊，考慮mime標準。在網上一搜，果然不少mime的源碼，那過來一試，也還是只支援英文的。不過終於發現有gmime2標準，是最新的郵件編碼通訊協定，提供原始碼，迫不及待的下來以後，希望又破滅了。只有for debian的版本，還要n個庫支援，改成能在windows下能夠編譯通過的版本也不是一件容易的事情啊，而且這個代碼的作者還寫道，如果誰能在windows下編譯通過的話，記得告訴他一下。
    正在抉擇是自己解析格式好還是改編gmime2好的時候，突然發現自己有點傻。既然outlook和outlook express能夠讀的話，按照微軟的風格，應該會有API提供的。就像WORD一樣，我前面的努力就像是要把WORD格式分析的清清楚楚，然後編碼實現，而放著現成的介面不用。
    下面的工作就簡單了，支援郵件的dll是MAPI.dll，裡麵包羅永珍，從接受，發送，解析甚至構建郵件伺服器都有。下載MSDN的常式後，outlook express可以順利解決，根本連dbx格式都不用分析，直接有介面按順序找郵件，得到郵件內容。outlook方面常式不支援，老是說我的郵件預設配置有問題，不過既然走到這一步了，方法就多的是了，我採用的是CreateDispatch方式，跟控制office一樣。根據介面描述很方便的可以解析每一封郵件。
    問題從技術上來說基本上解決了，但是還要有一些局限性，比如某個單獨的.eml檔案，或者是沒有加到用戶端的dbx或者pst檔案都不能解析。不過大部分能做就可以了。這些問題留到以後再解決吧。還要foxmail，估計也要研究個半天了，先不考慮這些吧。